論文の概要: Low-complexity CNNs for Acoustic Scene Classification

• arxiv url: http://arxiv.org/abs/2208.01555v1
• Date: Tue, 2 Aug 2022 16:02:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-03 13:48:03.344641
• Title: Low-complexity CNNs for Acoustic Scene Classification
• Title（参考訳）: 音響シーン分類のための低複雑CNN
• Authors: Arshdeep Singh, James A King, Xubo Liu, Wenwu Wang, Mark D. Plumbley
• Abstract要約: SurreyAudioTeam22s submitted for DCASE 2022 ASC Task 1, Low-complexity Acoustic Scene Classification (ASC) タスクには2つのルールがあり、(a)ASCフレームワークは最大128Kパラメータを持ち、(b)最大3000万の乗算演算(MAC)がある。 本稿では,タスクを意図したルールに従うASCの低複雑さシステムを提案する。
• 参考スコア（独自算出の注目度）: 51.078858457107785
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This technical report describes the SurreyAudioTeam22s submission for DCASE 2022 ASC Task 1, Low-Complexity Acoustic Scene Classification (ASC). The task has two rules, (a) the ASC framework should have maximum 128K parameters, and (b) there should be a maximum of 30 millions multiply-accumulate operations (MACs) per inference. In this report, we present low-complexity systems for ASC that follow the rules intended for the task.
• Abstract（参考訳）: この技術報告では、SurreyAudioTeam22sがDCASE 2022 ASC Task 1, Low-complexity Acoustic Scene Classification (ASC)を提出した。 タスクには2つのルールがあります。 (a)ASCフレームワークは最大128Kパラメータを持つべきである。 (b) 推論毎に最大3000万の乗算累積演算(MAC)が存在するべきである。 本稿では,タスクを意図したルールに従うASCの低複雑さシステムを提案する。

関連論文リスト

• Robust, General, and Low Complexity Acoustic Scene Classification Systems and An Effective Visualization for Presenting a Sound Scene Context [53.80051967863102]
  音響シーン分類(ASC)の包括的解析について述べる。 ASCベースラインと呼ばれる,創発的かつ低フットプリントのASCモデルを提案する。 次に、新しいディープニューラルネットワークアーキテクチャを提案することにより、ASCベースラインを改善する。
  論文  参考訳（メタデータ） (2022-10-16T19:07:21Z)
• Low-complexity CNNs for Acoustic Scene Classification [23.661189257759535]
  本稿では,音響シーン分類(ASC)のための低複雑さフレームワークを提案する。 ASC用に設計されたフレームワークのほとんどは、学習能力とパフォーマンスの向上により、畳み込みニューラルネットワーク(CNN)を使用している。 CNNは、大きなサイズと高い計算複雑性のためにリソースが空いている。
  論文  参考訳（メタデータ） (2022-07-23T14:37:39Z)
• Wider or Deeper Neural Network Architecture for Acoustic Scene Classification with Mismatched Recording Devices [59.86658316440461]
  音響シーン分類(ASC)のためのロバストで低複雑性なシステムを提案する。 本稿では,まず,新しい入出力型ネットワークアーキテクチャを設計し,不一致な記録装置問題に対処する,ASCベースラインシステムを構築する。 さらなる性能向上を図りながら、低複雑性モデルを満たすために、多重スペクトルのアンサンブルとチャネル縮小の2つの手法を適用した。
  論文  参考訳（メタデータ） (2022-03-23T10:27:41Z)
• A Lottery Ticket Hypothesis Framework for Low-Complexity Device-Robust Neural Acoustic Scene Classification [78.04177357888284]
  デバイス・ロバスト音響シーン分類(ASC)のためのデータ拡張、知識伝達、プルーニング、量子化を組み合わせた新しいニューラルモデル圧縮戦略を提案する。 本稿では,低複雑マルチデバイスASCのためのアコースティック・ロッテリー(Austratic Lottery)という,効率的なジョイント・フレームワークについて報告する。
  論文  参考訳（メタデータ） (2021-07-03T16:25:24Z)
• A Two-Stage Approach to Device-Robust Acoustic Scene Classification [63.98724740606457]
  デバイスロバスト性を改善するために,完全畳み込みニューラルネットワーク(CNN)に基づく2段階システムを提案する。 以上の結果から,提案したASCシステムにより,開発環境における最先端の精度が得られた。 クラスアクティベーションマッピングを用いたニューラルサリエンシ解析により、モデルによって学習されたパターンに関する新たな洞察が得られる。
  論文  参考訳（メタデータ） (2020-11-03T03:27:18Z)
• Device-Robust Acoustic Scene Classification Based on Two-Stage Categorization and Data Augmentation [63.98724740606457]
  我々は,GT,USTC,Tencent,UKEの4つのグループからなる共同で,DCASE 2020 Challengeの第1タスク - 音響シーン分類(ASC)に取り組む。 タスク1aは、複数の(実とシミュレートされた)デバイスで記録されたオーディオ信号のASCを10種類の微細なクラスにフォーカスする。 Task 1bは、低複雑さのソリューションを使用して、データを3つの上位クラスに分類することに関心がある。
  論文  参考訳（メタデータ） (2020-07-16T15:07:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。